共查询到20条相似文献，搜索用时 46 毫秒
1.
基于不同分析模型的大豆叶片SPAD值和LAI光谱估算比较 总被引：1，自引：0，他引：1
为探讨在大豆鼓粒期采用光谱技术估算叶片SPAD值和LAI的有效分析模型和方法，本研究以大田鼓粒期大豆为试验材料，在3个不同时段9:45～10:15(10AM)、11:45～12:15(12PM)和13:45～14:15(2PM)测量冠层全波段光谱反射率，并分别使用极限学习机(ELM)、偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)构建大豆叶片SPAD值和LAI估算模型，并对比不同模型分析结果的估算精度。结果表明：在各模型中，12PM和2PM测定的光谱反射率与大豆叶片SPAD值和LAI的拟合精度均高于10AM。基于RF的大豆叶片SPAD值估算模型验证集的R2为0.910,RMSE为2.006,MRE为3.684;基于RF的大豆LAI估算模型验证集的R2为0.916,RMSE为0.209,MRE为4.383,与ELM、PLSR和SVM相比，有更高的估算精度。综上结果说明大豆鼓粒期在11:45～12:15和13:45～14:15采用RF模型，运用全波段的光谱反射率估算大豆叶片SPAD值和LAI可得到较准确的结果。 相似文献
2.
基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究 总被引：6，自引：0，他引：6
为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。 相似文献
3.
苎麻叶片SPAD值与氮素含量关系的初步研究 总被引：3，自引：0，他引：3
本文探讨利用SPAD-502叶绿素仪测得的叶绿素相对值(称SPAD值)预测苎麻叶片全氮含量的可行性.通过盆栽试验,设置不同的供氮水平,研究幼苗期、旺长期和成熟期两个苎麻品种功能叶片的SPAD值与全氮含量的关系.结果表明,不同生育时期两个品种苎麻叶片的SPAD值和全氮含量都达到了0.01水平下极显著正相关,SPAD值可以很好的反映苎麻的全氮营养状况.根据不同品种和生育时期建立了SPAD值预测叶片全氮含量的6个回归模型,预测精度在85.23%-92.08%之间.通过SPAD值能够准确、快速、无损的预测叶片氮营养状况,为确定苎麻合理的施肥提供理论依据,应用前景广阔. 相似文献
4.
基于图像处理技术的5种红树林叶片形态特征及叶绿素相对含量的估测 总被引：1，自引：0，他引：1
为研究基于计算机视觉的图像处理技术获得的红树林叶片形态特征和叶绿素相对含量,以5种红树林为研究对象,分析其叶片形态特征及建立叶片颜色参数和叶绿素相对含量的回归模型,为苗木培育及营养诊断提供理论依据。结果表明：基于图像处理技术获得红树林叶片形态特征值是可信的,5种红树林叶片形态特征（叶面积、叶长、叶宽、叶周长、叶片形态因子）存在显著差异。红海榄和木榄单片叶片最大,其次是秋茄和桐花树,白骨壤叶片最小,白骨壤叶片形态接近椭圆形,红海榄和秋茄2种红树叶片属于长条型,木榄和桐花树叶片形态类似,红海榄叶长和叶宽相关性最强。5种不同种类红树林的SPAD值和Dualex值差异性显著。利用数码相机获取5种红树林叶片彩色图像,通过图像处理软件提取RGB以及通过差值、比值、标准化值、归一化值等运算组合的28种颜色特征值,与叶绿素相对含量（SPAD值、Dualex 值）进行回归分析,B值与SPAD值极显著相关,(R+B+G)/3、R/B、G/B与SPAD值显著相关;18种颜色特征参数与Dualex值显著相关,其中相关系数最大的为G-B和G值。因此,可依据颜色特征参数（R、G、B）建立相应的统计模型进行红树林叶片叶绿素含量的估测,进而为检测红树林生长、诊断营养状况以及进行水肥精确管理提供理论依据和技术支持。 相似文献
5.
《中国麻业》2021,(3)
为定量评估利用无人机遥感图像进行苎麻冠层叶片氮素营养动态监测的准确性,试验从2019年起对湖南农业大学耘园基地苎麻进行了为期一年的氮肥控制试验,在该基础上利用无人机采集2020年第二季苎麻各生长阶段的冠层数码图像。首先,基于HSV(Hue, Saturation, Value)颜色通道图像采用阈值分割法剔除土壤、杂草等背景的干扰,进而提取苎麻冠层叶片图像的RGB(Red, Green, Blue)平均颜色分量,并计算12项色彩参数;然后分析各色彩参数在苎麻生育进程内的动态变化,同时以SPAD值为辅助验证指标,分析不同生育期苎麻冠层图像色彩参数与SPAD值的关系;最后采用主成分分析法对色彩参数进行降维,选取适宜于各时期苎麻氮素营养监测的最佳颜色参数。结果表明:对于湘苎3号,G/R和ExGR在苗期与SPAD值极显著相关,(G-R)/(G+R-B)在成熟期与SPAD值极显著相关;对于湘苎7号,R/B、r、WI在封行期与SPAD值有极显著相关,ExGR在成熟期与SPAD值极显著相关。因此,应用无人机可见光遥感进行苎麻氮素营养动态诊断是可行的。 相似文献
6.
利用无人机图像颜色与纹理特征数据在小麦生育前期对产量进行预测 总被引：1，自引：0，他引：1
为了实现基于无人机的小麦产量快速预测，通过不同种植密度、氮肥和品种的田间试验，应用无人机航拍获取小麦生育前期（越冬前期和拔节期）的RGB图像，通过图像处理获取小麦田间颜色和纹理特征指数，并在小麦收获后测定实际产量。通过分析不同颜色和纹理特征指数与小麦产量的关系，筛选出适合小麦产量预测的颜色和纹理特征指数，建立小麦产量预测模型并进行验证。结果表明，小麦生育前期图像颜色指数与产量的相关性较好，而纹理特征指数相关性较差。对越冬前期利用单一颜色指数NDI构建的产量预测模型验证时，R为0.541，RMSE为671.26 kg·hm-2；对拔节期用单一颜色指数VARI构建的产量预测模型验证时，R为0.603，RMSE为639.78 kg·hm-2，预测结果比较理想，但不是最优。对越冬前期颜色指数NDI和纹理特征指数ENT相结合构建的产量预测模型验证时，R和RMSE分别为0.629和611.82 kg·hm-2，比单一颜色指数模型分别提升16.27%和减小8.85%；对拔节期颜色指数VARI和纹理特征指数COR相结合构建的产量预测模型验证时，R和RMSE分别为0.746和510.29 kg·hm-2，较单一颜色指数模型分别提升23.71%和减小20.24%。上述结果说明，将无人机图像颜色和纹理特征指数相结合建立的估产模型精度较高，可在小麦生育前期对产量进行有效预测。 相似文献
7.
基于不同玉米品种叶片高光谱的SPAD值估测模型研究 总被引：2，自引：0，他引：2
通过研究不同玉米品种叶片SPAD值与高光谱参数的关系,建立玉米叶片SPAD值估测模型,并对模型进行品种间精度检验。通过两年试验,测定不同玉米品种的叶片SPAD值及其高光谱数据,综合分析叶片SPAD值与高光谱反射率、反射率一阶导数及其光谱参数的相关关系,对玉米叶片SPAD值估测模型进行构建。玉米叶片SPAD值与高光谱反射率最敏感波段在550和710 nm附近,反射率一阶导数最敏感波段出现在500~750 nm范围内。叶片SPAD值与单波段反射率的相关性要高于其一阶导数,以550 nm附近光谱反射率构建的模型对大多数品种的叶片SPAD预测值平均误差最小。 相似文献
8.
为探索渍害胁迫下冬小麦灾损程度的可视化监测方法,通过田间试验,分析了麦田16个常用图像特征指数在不同受渍时间下的变化特征及其与冬小麦SPAD值、产量和千粒重的相关关系,并建立了基于图像特征指数衰减量的冬小麦渍害估算模型。结果表明,随渍水时间的增加,红光(R)、红光标准化值(NRI)、超红指数(EXR)、植被颜色指数(CIVE)极显著上升,而绿光标准化值(NGI)、归一化绿红差值指数(NGRDI)、绿-红差值指数(GMR)、超绿指数(EXG)、绿红比值指数(GRVI)则极显著下降;且这9个图像特征指数均与冬小麦SPAD值、产量和千粒重呈极显著相关,相关系数的最大绝对值分别为0.92、0.85和0.91;基于图像指数衰减量所建的SPAD值、产量和千粒重减少量的估算模型均以二次多项式最优,且以CIVE指数衰减量构建的SPAD值、产量和千粒重减少量估算模型的预测精度最高,验证集决定系数分别达到0.98、0.95、0.96。因此,数字图像技术可用于冬小麦渍害监测,且以基于CIVE指数的监测效果最佳。 相似文献
9.
基于SPAD值的木薯叶绿素含量预测模型 总被引：1，自引：0，他引：1
为了探讨木薯叶绿素含量的非破坏性快速测定方法,在测量叶片SPAD值、比叶面积和叶绿素含量的基础上构建通过SPAD值预测总叶绿素含量的数学模型。结果表明,叶绿素a对于SPAD值的贡献率大于叶绿素b;比叶面积和叶位显著影响SPAD值与总叶绿素含量的关系,在SPAD值预测总叶绿素含量的模型中导入比叶面积和叶位2个自变量可提高预测总叶绿素含量的精度;基于SPAD值、比叶面积、叶位预测总叶绿素含量的模型为C=-4.51+0.092 5 Spv+0.039 9 Sa+0.145 0（Lp）。 相似文献
10.
为及时、准确地掌握小麦产量动态信息,基于无人机遥感平台,分别分析了小麦4项生理指标［地面实测叶面积指数、叶片含氮量、叶片含水量及叶片叶绿素相对含量（SPAD值）］及10项植被指数与产量的相关性,以筛选出与产量最为敏感的生理指标与植被指数,并比较了3种建模方法（一元回归UR、多元逐步回归SMLR和主成分回归PCAR）在小麦各生育时期估产的适用性,进而得到小麦最优估产模型。结果表明：（1）不同生育时期两类变量与产量的相关性变化特征一致,均表现为抽穗期>灌浆期>成熟期;不同生理指标、植被指数与产量的相关性在各生育时期均存在差异,生理指标表现为叶片含氮量>LAI>SPAD>叶片含水量;而植被指数在各时期表现不同;（2）以生理指标与植被指数为自变量,采用SMLR模型构建的抽穗期估产模型拟合精度最高,R、RMSE和nRMSE分别为0.828、362.53 kg·hm-2和12.35%;（3）小麦估产模型在各生育时期的预测精度表现为抽穗期>灌浆期>成熟期。 相似文献
11.
为指导橡胶苗施肥管理,通过设置不同磷素水平的橡胶小苗砂培试验,利用高光谱仪测得不同磷处理水平下的橡胶苗叶片光谱反射率,进而运用主成分分析法对原始光谱反射率数据进行压缩及提取主要信息,最后以提取的主要信息为输入变量,结合多重线性回归、偏最小二乘回归和随机森林模型对橡胶苗叶片磷含量进行预测。结果表明：不同磷处理水平下橡胶苗叶片磷含量差异显著;在可见光波谱范围401～669 nm内,光谱反射率随施磷量的增加而增加;不论在训练集还是在验证集,随机森林模型的预测精度最高,训练集和验证集中预测值和实测值之间的相关系数r分别为0.985 0和0.988 4,均方根误差RMSE分别为0.016 5和0.018 2,平均相对误差MRE分别为5.74%和5.99%,模型性能指数RPD分别为3.83和4.01,证明高光谱技术可以快速、准确地诊断橡胶苗叶片磷含量。 相似文献
12.
本研究测定了长江中下游不同晚籼稻品种的剑叶SPAD值及反射光谱数据,分析了原始光谱及其变换数据与SPAD值的相关关系,建立了不同晚籼稻品种剑叶SPAD值估测模型,并采用平均偏差率对模型精度进行品种间验证。结果表明,水稻剑叶SPAD值与原始光谱的敏感波段位于710~720 nm之间,与一阶微分光谱的敏感波段为690~700 nm,各光谱参数中以红边幅值（Dr）的相关性最好,相关系数达0.6~0.8;在回归模型类型的选取上,指数模型和二次曲线模型的估测效果较优;715 nm处的原始光谱反射率建立的指数模型y=85.512e-2.392x的估测效果最好,进行品种间验证的平均偏差率最小,仅为5.01%。说明以单一晚籼稻品种叶片光谱参数建立的模型在品种间具有一定的适用性。 相似文献
13.
为探明水稻叶片SPAD值的最佳测定叶位和最佳的SPAD值次级指标,并构建基于水稻叶片SPAD值的氮素营养诊断模型,开展以品种为主区,氮肥施用量为副区的双因素裂区设计试验。参试品种为Q优6号和宜香优2115,氮肥施用量设5个水平(纯N 0、75、150、225、300 kg/hm2),分析叶片的敏感性、代表性和稳定性,并探讨SPAD值次级指标与施氮量和叶片含氮量之间,及叶片氮积累量与叶片含氮量和产量之间的关系。结果表明,叶片敏感性、代表性和稳定性大小顺序分别为L4(顶4叶)>L3(顶3叶)>L1(顶1叶)>L2(顶2叶)和L3>L4>L2>L1、L2>L3>L4>L1,可见,L3、L4可作为氮素营养诊断的共同理想指示叶。选择L3、L4的SPAD值几何平均数(GMSI34)作为最佳的SPAD值次级指标。由叶片氮积累量与产量和叶片含氮量的抛物线方程、一元线性回归方程,GMSI34与叶片含氮量的指数方程,求得拔节期、孕穗期、抽穗期的SPAD值次级指标的临界值(GMSI34临)分别为48.5、44.... 相似文献
14.
小麦花后15 d主要苗情参数多光谱卫星遥感定量监测 总被引：1，自引：0，他引：1
为进一步探究小麦关键期苗情多光谱遥感监测机理与方法,提高多光谱遥感监测的定量化水平和可信度,结合两年定点观测试验,以环境减灾卫星HJ-CCD数据为多光谱遥感影像源,研究了小麦花后15 d主要苗情参数、籽粒品质参数和产量与多光谱卫星遥感变量间的定量关系,分别构建并评价基于HJ-CCD影像遥感变量的小麦花后15 d叶面积指数、生物量、SPAD和叶片含氮量的监测模型.结果表明,小麦花后15d时,结构加强色素植被指教(SIPI)、近红外波段光谱反射率(B4)、绿波段光谱反射率(B2)和归一化植被指数(NDVI)可分别作为监测小麦叶面积指数、生物量、SPAD值和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠且精度较高,模型的决定系数(R2)分别为0.84、0.81、0.73和0.83,均方根误差(RMSE)分别为0.89、2 425.2 kg·hm-2、3.17和0.27％.同时,对小麦不同等级的主要苗情参数进行遥感监测并制图分析,量化表达了小麦主要苗情参数的区域空间分布. 相似文献
15.
马铃薯产量的精准预测对于保障粮食安全具有重要作用。为实现快速精准获取马铃薯产量信息,研究利用无人机搭载可见光相机和多光谱相机,分别于马铃薯现蕾期、初花期、盛花期和终花期进行无人机RGB和多光谱影像的采集,并于收获期测定马铃薯产量。基于RGB和多光谱影像特征,对马铃薯产量与RGB指数和植被指数分别进行相关性分析,结合样本数量,筛选出相关性最高的前五个光谱指数作为模型输入变量,采用多元线性回归(Multiple linear regression,MLR)和随机森林(Random forest,RF)2种方法构建不同生育期和全生育期的估算模型,并进行对比,筛选出马铃薯产量估算的最优模型。通过RGB指数与植被指数结合可以提高马铃薯产量的估算效果,并且多元线性回归模型的反演效果要优于随机森林模型。最终产量的估算效果从高到低分别是盛花期>全生育期>终花期>初花期>现蕾期,马铃薯产量最优估算模型为盛花期以RGB指数与植被指数结合作为模型输入变量的MLR模型。测试集R2和RMSE分别为0.77、0.64 kg/m2;验证集R 相似文献
16.
为了研究超高产大豆发育期内不同节位叶片的净光合速率(Pn)与相对叶绿素含量(SPAD值)的关系,以超高产大豆品种吉育86为研究对象,以吉育593为对照品种,监测整个生育期不同节位叶片Pn和SPAD值变化,分析超高品种不同节位不同时期Pn与SPAD值变化规律。Pn变化规律为：两个品种下部节位变化规律相似,在R1期达到最大,在R2期下降。高产品种中部节位在R3期达到最大,在R6期下降,对照在R2期达到最大,在R3期下降。两个品种上部节位表现相似,在R5期达到最大,在R6期下降。SPAD值变化规律为：两个品种各节位SPAD值变化规律相似,下部节位在R2期达到最大,在R3期下降。中部节位在R3期达到最大,在R5期下降。上部节位在R5期达到最大,在R6期下降。超高产品种各节位叶片具有更高的SPAD值。Pn与SPAD值相关性表现为,两个品种下部节位两个指标表现为不相关,高产品种中部节位在R3至R7期保持相关,对照在R2至R3期保持相关,超高产品种上部节位在R5至R7期保持相关,对照在R6至R7期保持相关。结果说明超高产品种不同节位叶片整个生育时期具有较高的叶绿素含量,中部节位叶片发育过程中光合功能... 相似文献
17.
不同地力和施氮水平下水稻叶片SPAD值及产量的分析 总被引：3，自引：0，他引：3
以Q优6号为材料,分析了不同地力条件下不同施氮水平对水稻叶片SPAD值和产量的影响。结果表明,水稻产量与表观供氮量存在极显著的曲线相关,且当表观供氮量在575.27 kg/hm~2时,Q优6号产量较高;不同处理下各生育时期SPAD值大小顺序为抽穗期拔节期成熟期,且差异主要表现在抽穗期和成熟期;拔节期和抽穗期不同地力和施氮水平下水稻冠层4张叶片各自的差异主要表现在顶3叶和顶4叶上,可以利用两者的SPAD值作为参数进行氮素营养诊断;SPAD值与表观供氮量之间存在显著线性相关,且采用SPAD_(L3×L4/mean)进行拟合时效果更好,均达到极显著水平。获取水稻叶片SPAD值次级指标可以实现对田块速效氮含量的估计。 相似文献
18.
基于无人机多时相遥感影像的冬小麦产量估算 总被引：1，自引：0，他引：1
为高效准确地预测小麦产量,以浙江省冬小麦为研究对象,利用四旋翼无人机精灵4多光谱相机获取冬小麦5个关键生育时期（拔节期、孕穗期、抽穗期、灌浆期、成熟期）的冠层多光谱数据,选取多光谱相机的五个特征波段计算各生育时期的72个植被指数,分别通过逐步多元线性回归（SMLR）、偏最小二乘回归（PLSR）、BP神经网络（BPNN）、支持向量机（SVM）、随机森林（RF）构建不同生育时期的产量估算模型,最后采用决定系数（R）、均方根误差（RMSE）和相对误差（RE）对估算模型进行评价,筛选出最优估算模型。结果表明,基于随机森林建立的模型估算效果最优,SMLR、PLSR和SVM三种方法建立的模型估算效果接近。利用随机森林算法所建拔节期、孕穗期、抽穗期、灌浆期、成熟期模型的R、RMSE和RE分别为0.92、0.35、11%;0.93、0.33、10%;0.94、0.32、9%;0.92、0.36、9%;0.77、0.67、33%。模型验证时,抽穗期估算效果最好（R、RMSE和RE分别为0.91、0.35和15%）,拔节期、孕穗期、灌浆期估算效果接近且有很好的估算能力,成熟期估算精度最差（R、RMSE和RE分别为0.71、0.47和13%）。由此说明,结合机器学习算法和无人机多光谱提取的植被指数可以提高小麦产量估算效果。 相似文献
19.
冬小麦叶片花青素相对含量高光谱监测 总被引：1，自引：0，他引：1
为探究冬小麦叶片花青素含量的高光谱监测方法,以陕西省关中地区冬小麦为研究对象,分析了叶片光谱反射率与花青素含量的相关性,建立以不同波段组合的RSI、DSI和NDSI光谱指数为自变量的一元回归模型以及利用偏最小二乘法构建的多元回归模型,并进行模型精度比较。结果表明,所有模型中,开花期的PLS模型精度最高,预测效果最好(建模r~2=0.872 3,RMSE=0.005 9;检验r~2=0.912 8,RMSE=0.004 8),是预测冬小麦花青素的最优模型;各生育时期中,开花期模型精度较高,表现稳定,是预测冬小麦花青素的最佳生育时期。 相似文献
20.
【目的】针对不断增高的大气二氧化碳(CO_2)浓度和温度,研究这两个重要环境因子及其互作对大田生长水稻叶片叶绿素含量和SPAD值的动态影响。【方法】利用农田T-FACE(Temperature-Free Air CO_2 Enrichment)系统,以高产优质粳稻武运粳23为供试材料,设置两个CO_2浓度(环境CO_2浓度和高CO_2浓度)和两个温度处理(环境温度和高温),测定自然生长环境下水稻不同生育期叶片的叶绿素含量及SPAD值。【结果】550μmol/mol CO_2浓度使水稻移栽后41、77、94 d叶绿素a,b和a+b含量均增加(最大增幅为6.4%),但移栽110、119 d后均减少(最大降幅为5.4%)。由于叶绿素b含量对CO_2较叶绿素a含量更敏感,故高CO_2浓度使移栽后41、77和94 d叶绿素a/b值均下降,降幅分别为4.7%、2.3%和0.9%,但移栽110和119 d后分别增加1.9%和5.3%;以上对CO_2的响应多达显著水平。对叶片SPAD值而言,高CO_2浓度对水稻生长前、中期的影响较小,但移栽110和119 d后分别下降3.5%(P=0.1)和19.1%(P0.01)。大田生长期增温1℃,各期叶绿素a、b以及a+b含量多呈增加趋势,叶绿素a/b值表现相反,但总体上变幅小于CO_2效应;高温对水稻前、中期叶片SPAD的影响较小,但移栽110和119d后SPAD值平均下降7.1%和14.8%,均达极显著水平。CO_2与温度处理对上述测定参数多无显著互作效应,但CO_2浓度、温度处理与生育期之间多存在明显的互作效应。【结论】大气CO_2浓度增高有利于水稻生长前中期叶片叶绿素的形成,但生长后期叶绿素含量和SPAD值均明显下降且伴随叶绿素a/b值的显著升高,这种早衰现象在不同生长温度下趋势一致。 相似文献